[发明专利]一种强风高速铁路沿线风速自适应分解预测方法

摘要

本发明提供了一种强风高速铁路沿线风速自适应分解预测方法，该方法包括以下步骤步骤1设置辅助测风站；步骤2对风速数据进行滤波处理；步骤3将滤波后的各组数据进行分解；步骤4对各组分解后的数据进行滤波；步骤5将各组滤波后的IMF分量和R分量进行信号重构；步骤6选出当前时段与目标测风站相关较高的m个辅助测风站；步骤7构建CS优化的小波神经网络模型；步骤8将实测的m个辅助测风站风速值输入到训练好的模型，得到目标测风站的风速预测值。本发明能在各种地形、气候条件下对铁路沿线风速进行高精度预测，有效避免了单一测风站硬件故障造成的预测错误及预测中断。

主权项

一种强风高速铁路沿线风速自适应分解预测方法，其特征在于，包括以下步骤：步骤1：在目标测风站位置周围至少安装N个辅助测风站，利用辅助测风站实时采集辅助测风站的风速数据，获得目标测风站和辅助测风站的风速样本集合；其中，N为大于或等于5的整数；步骤2：对风速样本集合中的风速数据进行滤波处理去除风速数据中潜在的误差；步骤3：对经过步骤2滤波后的风速样本集合采用自适应噪声完整集成经验模态进行分解；步骤4：对经步骤3分解后的数据进行滤波处理；步骤5：将经步骤4滤波后的数据进行信号重构，得到各测风站的风速重构数据；步骤6：将各辅助测风站的风速重构数据与目标测风站的风速重构数据进行相关性检验，按相关度从高到低排序，选出与目标测风站风速重构数据相关度排名前m组辅助测风站的风速重构数据和对应的m个辅助测风站；其中，m为整数，取值范围为[3，60％N]；步骤7：将目标测风站和步骤6选出的辅助测风站的风速重构数据按照频率划分成高频子序列、中频子序列、低频子序列，再将所有测风站的高频子序列、中频子序列、低频子序列分别归类到高频层、中频层和低频层；步骤8：训练各频层的基于CS的小波神经网络预测模型，将各频层预测模型的输出结果累加作为整体预测模型的输出结果，获得整体预测模型；以高频层中各辅助测风站的高频子序列和目标测风站的高频子序列分别作为高频层基于CS的小波神经网络预测模型的输入和输出；以中频层中各辅助测风站的中频子序列和目标测风站的中频子序列分别作为中频层基于CS的小波神经网络预测模型的输入和输出；以低频层中各辅助测风站的低频子序列和目标测风站的低频子序列分别作为低频层基于CS的小波神经网络预测模型的输入和输出；步骤9：将实时采集的辅助测风站的风速数据，按照步骤2‑5进行处理后，并对处理后的数据按照步骤7进行频率划分，将划分后的数据输入到步骤8构建的整体预测模型中，得到目标测风站的风速预测结果。